华泰证券人工智能选股之朴素贝叶斯模型｜2017年量化投资深度研究

报告摘要

本报告系统测试了朴素贝叶斯模型及线性判别分析（LDA）、二次判别分析（QDA）在A股多因子选股中的应用。核心发现：朴素贝叶斯在沪深300和中证500成份内选股表现优异，年化超额收益率分别达7.69%和9.64%；线性判别分析在全A选股中效果最佳，年化超额收益率22.2%，信息比率3.49。报告详细介绍了月频滚动训练、基于时间序列的交叉验证方法，并对比了三种生成模型的优劣。适合量化研究员、金融工程师、投资经理及对AI选股感兴趣的投资者参考。

📋 核心要点(部分)

1. 本文研究导读
2. 朴素贝叶斯模型及其拓展
3. 模型测试流程
4. 模型测试结果与方法比较
5. 总结和展望